基于AFS模糊逻辑的分类器设计

摘要

AFS理论即公理模糊集理论是一种新的模糊数学分析方法,是刘晓东教授于1995年首先提出的。AFS理论针对一直广泛争论的模糊集理论的最基本问题:模糊概念的隶属函数的科学、严密、统一的确立方法和正确表示人类思维逻辑的模糊逻辑运算,进行了深入的研究和探讨。AFS理论给出依据原始数据和相关信息确定隶属函数的算法。AFS模糊逻辑比现有的模糊逻辑更接近于人类思维逻辑,应用它可直接在原始数据和相关信息上建立更准确地描述现实世界智能系统的模型。这种可被自然语言描述的模型更易于人类理解。
　　为进一步研究人类智能、建立复杂智能系统模型并对其分析和控制提供更加有效的研究方法。目前,AFS理论被进一步研究并已经被应用到模糊聚类分析、模糊决策树,信用分析、模式识别和故障诊断等领域。在这篇文章中,我们提出了一个基于AFS模糊逻辑理论和模糊熵的新型分类器,这个分类器的设计是模仿人脑对事物进行分类的过程。该分类器直接利用原始数据,根据原始数据的特点得到每一类的描述,并且得到的每一类的描述是有语意的,有可解释性,更容易让人理解。文章将提出的分类器应用到三组实际数据(Wine,Iris,Breast Cancer)中,都得到了较好的准确率。在实验过程中,我们还应用MATLAB软件进行编程计算,得到相应的图形和数据结果。最后,我们通过得到的实际数据的分类准确率与已经发表的论文的分类结果进行比较,实验结果说明该算法具有很高的实用价值。

目录

摘要

Abstract

引言

第1章 模糊集合及其运算

1.1 模糊集合及其运算

1.1.1 模糊子集的定义及其表示

1.1.2 模糊子集的运算

1.2 模糊关系

1.2.1 模糊关系的定义

1.2.2 模糊关系的运算

1.2.3 模糊关系的性质

1.3 De-Morgan代数

第2章 KDD与数据挖掘

2.1 KDD过程

2.2 分类与预测

第3章 AFS代数和AFS结构

3.1 AFS模糊逻辑

3.2 AFS结构

3.3 EM中的模糊概念的隶属函数

第4章 基于AFS模糊逻辑和模糊熵的模糊分类器设计

4.1 模糊熵

4.2 分类器设计

4.2.1 权重函数

4.2.2 分类算法

第5章 数据分类结果及参数选择

5.1 酒数据实验

5.2 Iris数据的实验

5.3 Breast Cancer数据实验

5.4 参数的选取

5.5 与其他算法的结果比较

第6章 结论

参考文献

攻读学位期间公开发表论文

致谢

研究生履历